Optimisation sémantique : un calcul, pas une intuition

L'optimisation sémantique fait correspondre le champ lexical d'un contenu à celui que les moteurs de recherche associent à une intention de recherche. Elle porte sur le sens et sur les relations entre concepts plutôt que sur la fréquence d'un mot-clé principal. L'objectif est la pertinence perçue par le moteur, et la visibilité qui en découle.

Trois notions se confondent souvent, et les distinguer aide à comprendre ce qu'un outil mesure réellement. Le champ lexical regroupe les mots liés à un même thème par leur forme et leur usage : pour « vélo électrique », ce sont autonomie, batterie, assistance, couple. Le champ sémantique décrit l'ensemble des sens que peut prendre un même mot selon le contexte. La recherche sémantique désigne la façon dont un moteur interprète une requête en fonction de l'intention qu'il lui prête, et non de sa formulation littérale.

On parle indifféremment d'optimisation sémantique SEO ou de SEO sémantique : la méthode est la même, seul le point d'entrée change. En pratique, le travail se réduit à trois questions.

• Quels termes les pages positionnées emploient-elles toutes.
• À quelle fréquence.
• Lesquels manquent à votre texte.

Le reste, l'arborescence du site, le maillage interne, le cocon sémantique, relève de l'architecture éditoriale d'un site, un sujet distinct que couvre la méthode d'audit sémantique.

Un point mérite d'être posé tout de suite : il ne s'agit pas d'écrire pour un algorithme. Les termes clés qu'un corpus impose sont ceux qu'un lecteur informé attend de toute façon sur le sujet, y compris ceux qu'il n'aurait pas su nommer. Un texte complet est un texte qui répond, pas un texte qui coche.

C'est la partie que la plupart des outils laissent dans l'ombre. Le calcul enchaîne cinq opérations, toutes descriptibles sans rien révéler de confidentiel.

1. Constituer le corpus de référence. Le moteur interroge la SERP sur votre requête et crawle les pages du top 10 au moment de l'analyse. Ce corpus est la seule autorité du calcul : il représente ce que Google valide aujourd'hui.
2. Normaliser la langue. Chaque texte est découpé en unités, puis chaque forme fléchie est ramenée à son lemme, « optimisait », « optimisions » et « optimiser » comptent pour un même terme. Les entités nommées sont isolées à ce stade : une marque, un lieu ou un algorithme connu ne sont pas des mots communs et ne se pondèrent pas comme tels.
3. Pondérer les termes. Deux algorithmes complémentaires travaillent ici. BM25 identifie les termes à la fois fréquents dans une page et distinctifs par rapport aux autres, ce sont les termes structurants, ceux qui définissent réellement le sujet. TF-IDF capture les spécificités de chaque concurrent, c'est-à-dire ce qu'un seul document apporte et que les autres n'ont pas.
4. Construire la fourchette cible de chaque terme. La distribution des occurrences du terme à travers les pages du corpus donne un minimum, une médiane et un maximum. La fourchette cible se dessine autour de cette médiane.
5. Agréger. Chaque terme reçoit un état, couvert, insuffisant, absent, excédentaire, pondéré par son poids dans le corpus. Un terme structurant absent coûte beaucoup plus qu'un terme de niche manquant. La somme de ces états, ramenée sur cent, donne le score.

Chaque étape est reproductible : deux analyses lancées le même jour sur la même requête produisent le même corpus.

Deux précisions avant d'utiliser un score. La mise en forme n'entre pas dans le calcul : mettre un terme en gras ne rapporte rien, seule son occurrence compte. Et le score dépend d'une formule qui évolue, d'où l'intérêt d'une version publique, qui dit si un score a progressé parce que le texte s'est amélioré ou parce que les pondérations ont changé.

La plupart des outils d'analyse sémantique ont été conçus pour l'anglais, puis adaptés. L'écart se mesure : sur 1 500 mots en français, la différence de couverture entre un modèle FR natif et un modèle adapté depuis l'anglais atteint 10 à 15 %.

Trois difficultés expliquent cet écart, et elles sont toutes linguistiques.

• La variation des formes. Le français conjugue, accorde et accentue davantage que l'anglais. Un modèle mal entraîné compte « optimisé », « optimisée » et « optimisés » comme trois termes différents, et traite « sémantique » et « semantique », qui coexistent dans les contenus web français, comme deux entrées.
• Les groupes figés. « Intention de recherche », « longue traîne », « maillage interne » fonctionnent comme des unités de sens. Un modèle qui les découpe perd l'information et distribue du poids à des mots-outils.
• Les noms propres du secteur. Une marque comme Semji, un modèle comme BERT ou un nom de lieu ne relèvent pas du vocabulaire courant. La qualité de cette reconnaissance dépend directement du corpus d'entraînement.

Chez Semawriter, le traitement du langage est assuré par spaCy fr_core_news_lg, entraîné sur des corpus journalistiques et encyclopédiques français. Le modèle est nommé parce qu'il est vérifiable, c'est une brique identifiable, pas un argument.

Il ne prédit pas un classement. La couverture sémantique est un signal parmi d'autres, aux côtés de l'autorité du domaine, des liens entrants et de la santé technique du site. Un texte bien couvert sur un domaine jeune ne passera pas mécaniquement devant un texte moins couvert sur un domaine installé. Nécessaire, pas suffisant.

Il ne juge pas l'écriture. Un texte peut atteindre une couverture élevée et rester plat, redondant, sans angle. Le score ne mesure ni le rythme, ni la clarté, ni l'expertise réelle de son auteur. Ces qualités relèvent du rédacteur, et rien ne les remplace.

Il ne vérifie pas les faits. Un contenu sémantiquement complet peut être inexact. Le calcul porte sur des occurrences de termes, jamais sur la véracité des informations avancées ni sur la qualité des sources citées.

Il ne dit rien de l'expérience utilisateur. La lisibilité sur mobile, la vitesse d'affichage, la clarté du menu de navigation se jouent hors du texte et pèsent également sur le trafic. Un contenu bien couvert sur une page lente reste une page lente.

Il ne remplace pas l'intention. Si les pages positionnées sur votre requête sont des comparatifs et que vous publiez une définition, un bon score ne corrigera pas l'erreur de format. La lecture des résultats précède la rédaction.

Semawriter crawle le top 10 de la SERP française du jour, extrait les termes structurants avec leur fourchette cible et recalcule le score pendant que vous écrivez. Bêta privée, 100 premiers accès · accès progressif · −30 % à vie · NLP français natif · hébergé en Europe.